二阶CMS用于电话语音识别的通道补偿

顽健的电话语音识别的主要任务之一是克服通道噪声的影响．将二阶CMS方法应用到电话语音识别的通道补偿中，实验表明该方法的性能优于通常的CMS方法．

汽车噪声中自动语音的识别技术

汽车中的话音拨号系统是自动语音识别技术的应用热点．自动语音识别系统是一个基于训练的系统．在汽车噪声中，由于实际应用环境与形成系统参数的训练环境的失配，传统语音识别系统的性能会大幅度地下降，从而无法实用．为了提高语音识别系统在特定环境下的识别率及实用性，首先根据汽车环境中语音的失真模型分析了系统性能下降的原因，然后针对加性汽车噪声与信道失真对系统的影响，讨论了在汽车噪声中改善语音识别系统性能的方法．提出了在识别系统中用基于子带的语音增强算法和倒谱均值相减算法相结合的方法．对大量的多人连续数字串语音的识别实验表明，这一方法大大提高了系统在汽车噪声环境中的识别率，它还可以简便、实时的实现，具有一定的实用性．

一种基于倒谱均值减的语音端点检测改进方法

端点检测是语音识别理论研究中的关键技术之一,为了提高语音端点检测方法的抗噪性和准确性,引入倒谱均值减(Cepstral Mean Subtraction,CMS)设计一种新的语音端点检测方法。在传统倒谱均值减算法的基础上,采用隐马尔可夫模型(Hidden Markov Model,HMM)提取最佳特征子集,利用二次分类对传统算法加以改进。针对语音信号清音部分与白噪声频谱特征极其相似,在检测中容易发生误识的问题,提出了加权平滑修正的解决方法,从一定程度上降低了检测中的分类误识率。最后,与传统端点检测方法进行性能比较,证明了该方法的有效性。

一种基于噪声对消与倒谱均值相减的鲁棒语音识别方法

提出一种基于语音增强算法的噪声鲁棒语音识别方法.在语音识别预处理阶段,通过噪声对消语音增强法来抑制噪声提高信噪比.然后对增强语音提取Mel频段倒谱特征参数,并在倒谱域应用倒谱均值相减处理来补偿增强语音中的失真成分和剩余噪声.实验结果表明,在低信噪比(-12～0 dB)条件下,该方法对于数字语音识别具有较好的识别率,其性能明显优于基本的Mel频段倒谱参数识别器、传统的谱减法和噪声对消语音增强法.

基于谱减法和特征补偿的农产品价格语音识别

为解决农产品价格信息采集任务中传统设备缺少语音接口,且通用的抗噪声算法效果不佳的问题,提出一种农产品价格采集环境下的抗噪声算法。利用谱减算法实现前端的去噪,提高输入信号的信噪比,但同时产生的频谱畸变和残留噪声会造成新的失配,利用倒谱均值方差归一化方法进行补偿,减小或消除这种失配,将基本谱减算法(SS)以及多带谱减算法(MB)分别与倒谱均值方差归一化方法联合。实验结果表明,与单独使用上述各算法相比,联合后的算法能有效提高系统的识别率,特别是在较低信噪比(0dB-10dB)情况下该效果更为明显。

基于智能卡的说话人确认系统及其应用

在基于智能卡的说话人确认系统中,实现了一种新的端点检测方法:能频值端点检测方法,其取得了较好的效果;在鲁棒性方面,研究了Mel倒谱系数各分量在说话人识别中的贡献,以及在参数级上Mel倒谱系数的差分系数及倒谱均值相减法对说话人识别的贡献;最后,讨论了基于智能卡的生物特征识别技术的应用途径。